搜索资源列表
kalman_intro_chinese_V1.2
- 在1960年，卡尔曼出版了他最著名的论文，描述了一个对离散数据线性滤波问题的递归解决方法。从那以后，由于数字计算的进步，卡尔曼滤波器已经成为广泛研究和应用的主题，特别在自动化或协助导航领域。 卡尔曼滤波器是一系列方程式，提供了有效的计算（递归）方法去估计过程的状态，是一种以平方误差的均值达到最小的方式。滤波器在很多方面都很强大：它支持过去，现在，甚至将来状态的估计，而且当系统的确切性质未知时也可以做。 这篇论文的目的是对离散卡尔曼滤波器提供一个实际介绍。这次介绍包括对基本离散卡尔曼滤波器
KalmanFiltering
- 卡尔曼滤波算法C++，采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。
kalman_c
- 卡尔曼滤波算法，C语言例程，卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全及包含雜訊的测量中，估计动态系统的状态-EDOM way the XY axis gyroscope specifications. X-/Y-Out Pins: 2000 °/s full scale range 0.5mV/°/s sensitivity X/Y4.5Out Pins: 440 °/s full scale range 2.27mV/°/s sensitivity
Kalman_filter
- 卡尔曼滤波算法实现代码.卡尔曼滤波是一种高效率的递归滤波器[自回归滤波器], 它能够从一系列的不完全及包含噪声的测量[英文:measurement]中，估计动态系统的状态。-Kalman filter algorithm implementation code. Kalman filter is an efficient recursive filter [autoregressive filter], it can from a series of incomplete and contain
KalmanFilter_C
- 卡尔曼滤波算法及C语言实现。其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。-Kalman filter algorithm and C language. The basic idea is: a state-space model of the signal and noise, the first time to estimate the present moment observat
liu
- 状态模型的极大似然估计，使用EM算法，以及卡尔曼滤波。-This supplementary note discusses the maximum likelihood esti-mation of state space models using Expectation-Maximization (EM) algorithm and bootstrap procedure for statistical inference. A Matlab program scr ipt impleme
evalABGParam
- 阿尔法贝塔伽马滤波，类似于卡尔曼滤波，实现状态估计-Alpha Berta Gama filter, similar to the Calman filter, to achieve state estimation
Kalman filter
- 卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。 斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Ka